Klimawandel an bestimmten Messstationen

Durchschnittstemperatur einer Klimanormalperiode (Teil 2 – Ermittlung der Durchschnittstemperatur)

Nachdem in Stufe 1 bereits der größte Teil der Vorarbeit gemacht wurde, kann nun in Stufe 2 direkt mit der Berechnung der Jahresdurchschnittstemperatur der Klimanormalperioden weitergemacht werden.

Schritt 2 – Bildung von Jahresdurchschnittstemperaturen

Der Schritt von den in Stufe 1 berechneten monatlichen Durchschnittswerten ist ein einfacher und erfolgt einfach durch die Mittelung dieser zwölf Werte pro Klimanormalperiode. Diese Auswertung kann, wie bereits jene aus Stufe 1, mit einem Tabellenverarbeitungsprogramm wie Microsoft Excel, aber auch mithilfe von Programmiersprachen wie Python oder R gelöst werden.

Die Ergebnisse von Schritt 2

Für die Durchschnittstemperatur der Klimanormalperiode von 1961 bis 1990 ergeben sich 7.9 °C, für jene von 1991 bis 2020 9.0 °C. Dies entspricht einem Plus von 1.1 °C. Alle zugrunde liegenden Messdaten, die berechneten Klimanormalperioden und berechnete Jahresdurchschnittswerte der Temperatur werden in Abbildung 2.1 dargestellt. Diese Abbildung wurde mithilfe der Programmiersprache Python 3 erstellt.

Durch die Einblendung der Monatsdaten und deren starke jahreszeitliche Schwankungen fällt die Veränderung der Jahrestemperatur rein optisch geringer aus. Das im Mittel kälteste Jahr war 1963 mit rund 6.8 °C. Das wärmste Jahr an der Station Bruck/Mur war 2019 mit im Mittel 10.4 °C.

Die Vorteile dieser Berechnungsmethode

Ein pragmatischer Ansatz zur Berechnung der Durchschnittstemperatur wäre es, alle 360 (30 Jahre zu je zwölf Monaten) aus dem Datenportal heruntergeladenen Monatsdaten zu einem Temperaturwert zu mitteln. Doch aus gutem Grund wird nicht diese Vorgehensweise, sondern jene von der WMO empfohlene Methode hier angewandt. Es ergeben sich vor allem folgende zwei Vorteile:

1. Datenreihen weisen immer wieder Lücken auf. Bei der eben genannten, wahrscheinlich schneller durchzuführenden, Mittelung hätte eine solche Lücke einen größeren Einfluss auf das Gesamtresultat. Werden zuerst die Monate für sich gemittelt, so würde die Lücke schwächer ins Gewicht fallen, da alle Jänner zueinander eine ähnlichere Temperatur aufweisen als mit den anderen Monaten verglichen. Würde ein Jänner-Wert fehlen, so hätte der Jänner im gesamten Mittel eine schwächere Gewichtung als Monate, von denen alle Daten vorhanden sind. Bei der von der WMO empfohlenen Methode hingegen, würde der Jänner trotz Datenlücke den gleichen Einfluss wie jedes andere Monat haben. Der Effekt lässt sich durch entfernen einzelner Monatsdaten und erneute Berechnung mit den zwei genannten Methoden verdeutlichen.

2. Als Nebenprodukt der durchgeführten Berechnung erhält man die zur Erstellung eines Klimadiagramms notwendigen Temperaturdaten. Das diesbezügliche Resultat beider Klimanormalperioden ist in Abbildung 2.2 zu sehen.

Berechnung eines linearen Trends

Obwohl der Vergleich der in Stufe 1 und 2 ausgewerteten Klimanormalperioden bereits einen Anstieg der mittleren Lufttemperatur anzeigt, soll eine lineare Regression berechnet werden um diese Zunahme quantitativ festzuhalten. Hierfür wird der idente Datensatz wie zur vorherigen Berechnung der Klimanormalperioden herangezogen.

Die lineare Regression

Die lineare Regression ist ein einfaches statistisches Werkzeug um eine Trendabschätzung einer Messreihe durchzuführen. Bildlich gesprochen repräsentiert sie jene Gerade, welche durch die vorhandenen Daten gelegt werden kann und hierbei die geringste mögliche Abweichung zu allen Datenpunkten gesamt betrachtet aufweist. Der genaue Rechenweg um zu der Geradengleichung dieser Linie zu kommen muss in mathematischer Fachliteratur nachgeschlagen werden, da der Rahmen eines Showcases hierfür nicht ausreichend ist.

Lineare Regressionen finden nicht nur in der Klimatologie und Meteorologie Anwendung. Abhängig vom Einsatzgebiet gilt es Achtsamkeit bei der Interpretation zu bewahren. Vor allem im Zusammenhang dieser Auswertung ist es nicht zulässig, von der linearen Regression der Jahresmitteltemperatur zwischen 1961 und 2020 der Messstation Bruck/Mur auf Jahre vor oder nach dieser Periode zu schließen. Derartige Informationen werden in der Klimatologie mit speziell dafür entwickelten Modellen berechnet, die wesentlich komplexer als eine lineare Regression sind.

Das Ergebnis

Abbildung 3.1 zeigt das Ergebnis der linearen Regression. Im Gegensatz zu Abbildung 2.1 in Stufe 2 wurde auf die Einblendung der monatlichen Mittelwerte verzichtet, da diese den dargestellten Temperaturbereich auf der y-Achse so stark erweitern, dass der Anstieg nicht klar ausgemacht werden könnte.

Die Angabe im linken oberen Eck des Plots verrät, dass die Jahresmitteltemperatur im Durchschnitt zwischen 1961 und 2020 an der Messstation um rund 0,04 °C pro Jahr anstieg. Hochgerechnet auf 60 Jahre macht das immerhin eine Zunahme von 2,4 °C. Wie bereits erwähnt ist es nicht zulässig aufgrund dieses Trends auf eine Zeit vor 1961 oder nach 2020 zu schließen.

Diese lineare Regression wurde mit Python 3 dargestellt und berechnet. Die gezeigten Auswertungen lassen sich mit beliebigen anderen Stationen wiederholen. Das einzige Kriterium hierfür ist die Länge einer Messreihe.